L'accueil
Cette réflexion ne date pas de l’apparition de ChatGPT.
Elle remonte à ses travaux de recherche sur le paradoxe de la productivité numérique développés dès sa thèse de doctorat soutenue à la Sorbonne en 1998, puis approfondis dans ses travaux académiques, ses conférences, ses cafés IA, ses livres et ses nombreuses tribunes consacrées au numérique, au management et à l’intelligence artificielle.
Il l’a encore récemment rappelé dans une tribune publiée dans L’ODJ, en expliquant que l’intelligence artificielle générative risque de reproduire les mêmes illusions que celles qui avaient accompagné les grandes vagues précédentes du numérique : une promesse de gains automatiques de performance qui oublie souvent les réalités organisationnelles, humaines et économiques.
Il l’a encore récemment rappelé dans une tribune publiée dans L’ODJ, en expliquant que l’intelligence artificielle générative risque de reproduire les mêmes illusions que celles qui avaient accompagné les grandes vagues précédentes du numérique : une promesse de gains automatiques de performance qui oublie souvent les réalités organisationnelles, humaines et économiques.
Wald Maâlam teste également de manière régulière les IA considérées aujourd’hui comme les plus performantes par les ingénieurs et les entreprises technologiques, notamment celles développées par les acteurs les plus influents du marché mondial de l’IA.
Son constat est clair : malgré leurs capacités spectaculaires de génération, ces systèmes peuvent aussi devenir une source réelle de baisse de productivité du travail et du capital lorsqu’ils sont utilisés sans recul critique, sans gouvernance et sans véritable compréhension de leurs limites opérationnelles.
Depuis plusieurs mois, un discours dominant s’est installé autour de l’intelligence artificielle générative : produire plus vite, avec moins de personnes, grâce à l’IA. Cette promesse a été relayée avec une puissance marketing rarement observée dans l’histoire récente des technologies numériques.
Pourtant, derrière les démonstrations spectaculaires, la réalité opérationnelle devient aujourd’hui beaucoup plus nuancée.
Comme le souligne désormais BFMTV, certains développeurs et managers expliquent qu’après cinquante allers-retours avec des outils IA, ils finissent parfois par se demander s’ils n’auraient pas été plus rapides en réalisant eux-mêmes certaines tâches.
Depuis plusieurs mois, un discours dominant s’est installé autour de l’intelligence artificielle générative : produire plus vite, avec moins de personnes, grâce à l’IA. Cette promesse a été relayée avec une puissance marketing rarement observée dans l’histoire récente des technologies numériques.
Pourtant, derrière les démonstrations spectaculaires, la réalité opérationnelle devient aujourd’hui beaucoup plus nuancée.
Comme le souligne désormais BFMTV, certains développeurs et managers expliquent qu’après cinquante allers-retours avec des outils IA, ils finissent parfois par se demander s’ils n’auraient pas été plus rapides en réalisant eux-mêmes certaines tâches.
Cette phrase résume à elle seule une partie du problème actuel.
Car la vitesse de génération ne signifie pas automatiquement création de valeur. Les outils d’IA générative peuvent produire du texte, du code, des images ou des synthèses en quelques secondes. Mais ils introduisent également de nouvelles charges invisibles : vérification, correction, reformulation, supervision humaine, contrôle qualité, validation juridique, gestion des hallucinations et arbitrage stratégique.
Autrement dit, le travail ne disparaît pas. Il se transforme. Nous retrouvons ici le paradoxe de la productivité numérique observé depuis plusieurs décennies. Dès les années 1990, de nombreux chercheurs constataient déjà que les investissements massifs dans les technologies numériques ne produisaient pas toujours les gains de productivité espérés.
Autrement dit, le travail ne disparaît pas. Il se transforme. Nous retrouvons ici le paradoxe de la productivité numérique observé depuis plusieurs décennies. Dès les années 1990, de nombreux chercheurs constataient déjà que les investissements massifs dans les technologies numériques ne produisaient pas toujours les gains de productivité espérés.
Aujourd’hui, l’intelligence artificielle reproduit en partie ce même phénomène.
L’erreur actuelle consiste souvent à confondre rapidité d’exécution et intelligence réelle. Or un grand modèle de langage ne comprend pas ce qu’il produit. Il prédit statistiquement des séquences plausibles à partir de masses gigantesques de données. Il ne possède ni conscience, ni compréhension humaine du contexte, ni responsabilité organisationnelle.
Depuis longtemps, Wald Maâlam rappelle également qu’il ne faut pas confondre algorithme et logiciel. Un algorithme est une manière de penser, une logique de raisonnement. Le logiciel n’est que la traduction informatique de cette logique dans un langage exécutable.
Cette nuance est fondamentale. Car beaucoup de discours actuels transforment des systèmes probabilistes extrêmement puissants en pseudo-intelligences autonomes auxquelles on attribue des capacités qu’elles ne possèdent pas réellement.
Le problème n’est donc pas l’existence des outils IA. Le problème réside dans les fantasmes de substitution totale qui les accompagnent. Dans le domaine informatique, cette situation devient particulièrement préoccupante pour les jeunes professionnels.
Certaines entreprises réduisent déjà les recrutements juniors en pensant qu’un développeur “augmenté” par l’IA pourra remplacer plusieurs profils débutants.
Depuis longtemps, Wald Maâlam rappelle également qu’il ne faut pas confondre algorithme et logiciel. Un algorithme est une manière de penser, une logique de raisonnement. Le logiciel n’est que la traduction informatique de cette logique dans un langage exécutable.
Cette nuance est fondamentale. Car beaucoup de discours actuels transforment des systèmes probabilistes extrêmement puissants en pseudo-intelligences autonomes auxquelles on attribue des capacités qu’elles ne possèdent pas réellement.
Le problème n’est donc pas l’existence des outils IA. Le problème réside dans les fantasmes de substitution totale qui les accompagnent. Dans le domaine informatique, cette situation devient particulièrement préoccupante pour les jeunes professionnels.
Certaines entreprises réduisent déjà les recrutements juniors en pensant qu’un développeur “augmenté” par l’IA pourra remplacer plusieurs profils débutants.
Mais paradoxalement, plus les outils automatisent certaines tâches, plus l’expérience humaine redevient centrale.
Pourquoi ? Parce qu’il faut désormais vérifier, interpréter, contextualiser, arbitrer, décider et assumer les conséquences. Autrement dit, l’intelligence artificielle augmente la valeur de l’expérience humaine au lieu de la supprimer.
Le paradoxe est fascinant : plus nous automatisons certaines tâches intellectuelles, plus nous redécouvrons l’importance du discernement humain. L’intelligence artificielle peut accélérer certaines opérations. Elle peut assister, suggérer, reformuler, explorer ou simuler. Mais elle ne remplace ni le jugement humain, ni la responsabilité, ni la vision stratégique, ni le savoir-faire construit par l’expérience.
L’enjeu n’est donc pas de demander ce que l’IA peut faire à notre place. L’enjeu est de comprendre ce que des humains compétents, responsables et bien formés peuvent réellement faire avec elle.
Car à force de vouloir remplacer trop vite l’humain par des prédictions statistiques, certaines organisations risquent finalement de redécouvrir une évidence ancienne : la véritable productivité ne vient pas uniquement de la vitesse d’exécution, mais de la capacité à comprendre, décider et donner du sens.
Par Dr Az-Eddine Bennani.
Le paradoxe est fascinant : plus nous automatisons certaines tâches intellectuelles, plus nous redécouvrons l’importance du discernement humain. L’intelligence artificielle peut accélérer certaines opérations. Elle peut assister, suggérer, reformuler, explorer ou simuler. Mais elle ne remplace ni le jugement humain, ni la responsabilité, ni la vision stratégique, ni le savoir-faire construit par l’expérience.
L’enjeu n’est donc pas de demander ce que l’IA peut faire à notre place. L’enjeu est de comprendre ce que des humains compétents, responsables et bien formés peuvent réellement faire avec elle.
Car à force de vouloir remplacer trop vite l’humain par des prédictions statistiques, certaines organisations risquent finalement de redécouvrir une évidence ancienne : la véritable productivité ne vient pas uniquement de la vitesse d’exécution, mais de la capacité à comprendre, décider et donner du sens.
Par Dr Az-Eddine Bennani.
Accueil
Envoyer à un ami
Version imprimable
Augmenter la taille du texte
Diminuer la taille du texte
Partager
Regard sur les positions de Monsieur le Wali de Banque Al Maghreb sur l'immobilier et l'industrie
